автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Проектирование подсистем принятия решений для логистических информационных систем

Введение

Глава 1. Автоматизация принятия решений для информационных логистических систем

1.1. Использование автоматизации в задачах логистики

1.2. Особенности принятия решений в информационной логистике

1.3. Выбор механизмов вывода для логистических систем

1.4. Применение реляционной и многомерной модели данных Выводы к главе

Глава 2. Проектирование механизмов принятия решений с использованием теории аналогий и фреймовых моделей

2.1. Основные понятия теории аналогий

2.2. Постановка задачи принятия решений в терминах теории аналогий.

2.3. Последовательность шагов для поискарешщрцрчф

2.3.1. Формулировка критерия выбора решения

2.3.2. Диагностика принимаемых решений.

2.3.3. Процесс обучения.

2.4. Постановка задачи выбора решений методом аналогии для логистической информационной системы в семантической сети

2.5. Разработка структуры фреймов логистической информационной системы для принятия решений.

Выводы к главе

Глава 3. Проектирование фреймовых моделей средствами СУБД

3.1. Реализация фрейм - системы средствами РСУБД

3.2. Отображение фрейм - системы в многомерную модель данных

3.3. Реализация механизмов вывода средствами СУБД

3.3.1. Присоединенные процедуры

3.3.2. Реализация механизма сопоставления.

3.3.3. Механизм вывода на основе поиска пересечений

3.3.4. Механизм вывода на основе теории аналогий. Выводы к главе

Глава 4. Разработка и использование системы организации передвижения и обработки грузов

4.1. Организация системы Inter Cargo

4.2. Разработка программного обеспечения для системы Inter Cargo

4.3. Особенности реализации подсистемы принятия решений. Выводы к главе 4.

Актуальность проблемы.

В последние годы в сфере товарного обращения произошли существенные преобразования. В хозяйственной практике стали использоваться новые методы и технологии доставки товаров. Применение этих методов и технологий связано с техническим прогрессом в средствах связи и информатики. Он позволил на более высоком уровне проводить контроль всех основных и вспомогательных процессов товародвижения. Автоматические и автоматизированные системы контроля обеспечивают участников товародвижения информацией об основных показателях процессов таких, как состояние производственных запасов, объем поставок материалов и комплектующих деталей, степень выполнения заказов, место нахождения грузов на пути от производителя до потребителя и т.д.

Применение современных средств отслеживания материальных потоков способствует внедрению безбумажной технологии. С помощью компьютерной логистики на протяжении всей цепи обслуживания осуществляется анализ деятельности фирмы и дается оценка ее положения по сравнению с конкурентами. Возможность обработки и анализа автоматизированными информационными системами значительных объемов данных о поставщиках, транспортных компаниях, ситуации на рынке товаров и услуг позволяет компаниям принимать обоснованные и эффективные решения. В этом смысле разработка и внедрение автоматизированных систем принятия решений на всех уровнях управления логистическим процессом является насущной необходимостью.

Проблемам принятия решений посвящено значительное число работ как у нас в стране так и за рубежом.

В нашей стране теоретическим основам методов принятия решений посвящены работы Кузина Л.Т. [1], Попова Э.В. [2], Поспелова Д.А.[3] и др, использованию систем принятия решений в логистике - Аникина Б.А. [4], Гад-жинского А.М. [5] и др.

За рубежом теорией принятия решений занимаются Лорьер Ж.-Л. [6], Хант Э. [7], Бакаев A.A. [8], Бенерджи Р. [9], Уэно X. [10] Уинстон П. X. [И] и др., использованием систем принятия решений в логистических информационных системах - Баллоу Р.Х. [12].

Однако разработка и внедрение методов автоматизированного принятия решений в логистические системы встречается с рядом трудностей. Прежде всего это связано с необходимостью рассмотрения проблемы товародвижения как комплексной, что, кроме прочего, означает: удовлетворительный результат не может быть получен при акценте на какую-либо одну из сторон деятельности интересующей нас сферы. Важнейшее требование теории заключается в обязательном анализе всех составляющих товародвижения, их внутренних и внешних взаимосвязей. Урегулирование взаимоотношений в рамках логистики стало возможным с помощью теории компромиссов. Именно на ее основе достигается эффект, удовлетворяющий систему в целом. Применительно к товародвижению выбираются решения, оказывающие позитивное воздействие на сокращение общих затрат или повышение суммарной прибыли, хотя бы и в ущерб деятельности отдельных подразделений фирмы. В межфирменных связях аналогичный результат получают путем гармонизации интересов всех участников логистического процесса, добиваясь компенсации дополнительных затрат за счет получения гпеотраслесого эффекта. К сожалению, этот процесс нахождения компромисса в значительной мере субъективен и поэтому, на настоящий момент, не существует его эффективной машинной реализации [13]. Для решения данной проблемы предлагается использование теории аналогий [14], которая позволяет учесть предшествующий опыт и спрогнозировать возможную реакцию клиентов системы.

Другой проблемой, требующей решения, является то, что на разных уровнях управления логистической системы используется связанная между собой, но имеющая ка каждом уровне свою специфику информация. При этом, с одной стороны, необходимо выделить информацию, которая требуется для получения решения на данном уровне, а, с другой стороны, решение и его последствия могут оказать воздействие на принятия решения на других уровнях. Для преодоления данной проблемы предлагается использование в качестве модели принятия решений в логистической систем© семантической сети с иерархиями фреймов в качестве узлов такой сети.

Цель работы.

Поэтому целью данной работы является решение важной технической задачи, заключающейся в разработке подхода для проектирования подсистемы принятия решений логистической системы на основе теории фреймов с использованием механизма вывода, базирующегося на методе аналогий, который в свою очередь позволяет решить важную практическую задачу достижения компромисса как внутри предприятия, так и на уровне межфирменных связей.

Методы исследования.

В качестве методов исследования в работе используются методы теории аналогий, искусственного интеллекта и теории баз данных.

Предмет исследования.

Предметом исследования является проектирование систем принятия решений для процессов управления логистической системой.

Научная новизна.

Научная новизна работы заключается в: разработке модели принятия решений в логистике в виде семантической сети, узлами которой являются иерархии фреймов; разработке механизма вывода решений на основе теории аналогий.

Практическая ценность.

1. Предложен подход для построения фрейм - модели средствами реляционных и многомерных моделей данных, что позволяет создавать системы принятия решений средствами современных СУБД. г

2. Разработаны алгоритмы вывода решений на основе полученных моделей данных.

3. На основе полученных результатов спроектирована система управления авиаперевозками Inter Cargo, используемая в аэропорте «Домодедово».

Структура работы.

В первой главе работы проводится анализ проблемы принятия решений для задач логистики и на основе проведенного анализа формулируется подход для проектирования подсистемы принятия решений системы авиаперевозок.

Во второй главе рассматривается формулировка задачи принятия решений в терминах теории аналогий. Предлагаются критерии для выбора решений, позволяющие учесть возможности компромисса на межфирменном уровне. Рассматривается методика обучения системы принятия решений. Дается интерпретация задачи принятия решений на основе метода аналогий, как задачи вывода контекста в семантической сети с узлами в виде иерархии фреймов. Предлагается структура данных фреймов и реализация алгоритма вывода решений.

В четвертой главе рассматривается отображение фрейм - модели в реляционную и многомерную модель данных, а также реализация различных механизмов вывода средствами современных СУБД.

Пятая глава посвящена использованию рассмотренного подхода для проектирования систем принятия решений в логистике, в частности, системы управления авиаперевозками Inter Cargo.

На защиту выносится:

1. Методика принятия решений в системах логистики, основанная на теории аналогий, позволяющая использовать предшествующий опыт и вырабатывать решения с учетом возможных компромиссов и реакции клиентов.

2. Представление модели принятия решений в виде семантической сети с узлами, являющимися иерархиями фреймов, что дает возможность организовать процесс решения с помощью предложенной методики на разных уровнях управления.

3. Отображение фрейм - системы в реляционную и многомерную модель данных, что позволяет реализовать различные механизмы вывода решений средствами современных СУБД.

Выводы

1. Разработана система Inter Cargo автоматизированной системы обработки и контроля авиаперевозок, элементом которой является подсистема принятия решений, используемая в центральном офисе фирмы «Олсвег» в режиме обучения, а в диспетчерском пункте аэропорта «Домодедово» и на складе в «Измайлово» в режиме «Cunsulting».

2. Результатом функционирования подсистемы для диспетчерского пункта «Домодедово» явилось снижение отрицательных реакций в 1.2 раза, повышение показателя эффективности для системы в 1.8 раз, для клиентов - в 1.4 раза.

Заключение

Использование методов принятия решений в информационных логистических системах позволяет повысить качество решений. При проектировании алгоритмов принятия решений для систем данного класса особую роль приобретает учет реакции обслуживаемых клиентов, предшествующий опыт и критерии экономических компромиссов. В данной работе решена важная научно-техническая задача проектирования алгоритмов принятия для логистических информационных систем на основе теории аналогий. Следствием решения данной задачи явилась разработка системы организации и учета авиаперевозок. Результатом диссертационной работы являются:

1. На основе анализа логистических информационных систем сформулирована задача принятия решений для таких систем на основе метода аналогий с учетом реакции клиента и удовлетворения критерия экономического компромисса.

2. Разработана методика принятия решений, основанная на теории аналогий, включающая в себя: а) алгоритм принятия решений; б) критерии для принятия оптимальных решений; в) диагностику решений; д) обучающий алгоритм.

3. Для реализации методики разработана фрейм - модель и ее отображение в реляционную и многомерную модель данных, а также алгоритмы для вывода решений с помощью механизмов присоединенных процедур, сопоставления, поиска пересечений и метода аналогий.

4. Реализована система обслуживания и контроля авиаперевозок, позволившая сократить количество отрицательных реакций в 1.2 раза, повысить показатель эффективности для системы в 1.8 раз, для клиентов-в 1.4 раза.

1. Кузин Л.Т. Основы кибернетики. Т.2 - M.: «Энергия», 1979,584 с.

2. Попов Э.В., Фридман Г.Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта. М.: «Наука», 1976,455 с.

3. Поспелов Д.А. Игры и автоматы. М.: «Энергия», 1970, 380 с.

4. Логистика / под ред. Б.А. Аникина М.: ИНФРА-М, 1997,327 с.

5. Гаджинский A.M. Основы логистики. М.: ИВЦ «Маркетинг», 1996, 124 с.

6. Лорьер Ж.-Л. Системы искусственного интеллекта. М.: «Мир», 1991, 568с.

7. Хант Э. Искусственный интеллект. М.: «Мир». 1978,555 с.

8. Бакаев A.A., Гриценко В.И., Козлов Д.Н. Методы организации и обработки баз знаний. Киев: «Наукова думка», 1993, 150 с.

9. Бенерджи Р. Теория решения задач. М.: «Мир», 1972,224 с.

10. Представление и использование знаний. / под ред. Уэно X., Исидзука M. М.: «Мир», 1989,320 с.

11. Winston P. H. Artifical Intellegence Addison - Wesley, 1977,456 с.

12. Ballou R. H. Basic business logistics. New York, 1987,438 c.

13. Winston P. H. The Psychology of Computer Vision. McGraw - Hill, 1975,408 c.

14. Whitehead G., Benson D., Bugg R. Transport and Logistics. Great Britain, Redwood Books, 1994,345 c.

15. Тесленко О.Ю. Транспортная логистика и комплексные системы управления, созданные на базе искусственного интеллекта // Новые информационные технологии. Материалы научно-практического семинара. М.: МГИЭМ, 1998, с. 149 159

16. Тесленко О.Ю. и др. Inter Cargo. Технический проект. М.: ООО «Олсвег», 1997,45 с.

17. Федоров Л.С. Логистика как форма оптимизации рыночных связей // Логистика и бизнес. Сборник материалов первой межотраслевой научно-методической конференции «Логистика в современных условиях развития экономики РФ» М.: «Брандес», 1997, с. 26 - 32.

18. Попов Э.В., Фоминых И.Б. и др. Статистические и динамические экспертные системы. М.: «ФиС», 1996, 546 с.

19. Тесленко О.Ю. Логистика и системы искусственного интеллекта. // Авиарынок, Деловой журнал, 12, 1997, с. 26-28.

20. Искусственный интеллект // Под ред. Попова Э.В. Справочник. М.: Радио и связь, 1994, 567 с.

21. Осуга С. Обработка знаний. -М.: Мир, 1989, 293 с.

22. Левин Р., Дранг Д., Эдельсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. М.: Финансы и статистика, 1991,239 с.

23. Nil N., Allello N. AGE attempt in generalize. - Works Paper 6, Stanford, 1978,126 c.

24. Newell A., Simon H. Human problem solving. Prantice Hall, 1982, 325 c.

25. Братко И. Программирование на языке ПРОЛОГ для искусственного интеллекта. М.: Мир, 1990, 560.

26. Виноград Т. Программа, понимающая естественный язык. М.: Мир, 1976. 154 с.

27. Программирование на языке РЕФАЛ. М.: ИПМ АН СССР, 1971, № 41,43-44, 48-49.

28. Steele G.L. Common LISP. Digital Press, 1984,346.

29. Quillian M. The Teachable Language Comprehender: a Simulation Program and Theory Language // Common, of ACM, 12, № 8, 1969, pp. 459475.

30. Коэн Ф., Милопулос Дж., Борджида А. Некоторые аспекты представления знаний. // Труды IV Международной конференции по искусственному интеллекту, т.2, М.: 1975, с. 42-62.

31. Carbonell J., Collins A. Natural Semantics in Artificial Intelligence // Third Intern. Joint Conf. Artificial Intelligence, Stanford Univ.,Calif., 1973, pp. 344-351.

32. Minsky M. Frames, in "Psychology of computer vision", Winston P. (ed.), McGraw-Hill, New York, 1975.

33. GUS, A Frame Driven Dialog System / Bobrov D.G. and oth. Artificial Intelligence 1977; pp. 156-173

34. Нейроинформатика / Горбань A.H. и др. Новосибирск: Наука, 1998, 296 с.

35. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере Новосибирск: Наука, 1996,276 с.

36. Васильев В.И. Распознающие системы. Справочник. Киев: Наукова думка, 1983,422 с.

37. Пржиялковский В.В. Сложный анализ данных большого объема: новые объемы компьютеризации // Системы управления базами данных, №4, 1996, с. 71-83

38. Приобретение знаний / под ред. Осуги С. М.:Мир, 1990,304 с.

39. Сахаров A.A. Принципы проектирования и использование многомерных баз данных (на примере Oracle Express Server) // Системы управления базами данных, № 3, 1996, с.44-59.

40. Oracle Express Server. Version 5.0. User's Guide Oracle Corporation, 1996,448.

41. Мейер Д. Теория реляционных баз данных М.: Мир, 1987, 558 с.

42. Бекаревич Ю.В. Пушкина Н.В. СУБД Access для Windows 95 в примерах СпБ.: BHV - Санкт-Петербург, 1997, 400 с.44. 1С: Предприятие 7.7. Описание встроенного языка. 4.1. М.: Фирма 1С, 1999,442 с.

43. Шуберт Л.К. Расширение выразительной мощности семантических сетей. // Труды IV Международной конференции по искусственному интеллекту, Т.2,1975, с. 211 2251. УТВЕРЖДАЮ Директортранспортно- экспедиторской компан! ест»1. Островский А.Н.

44. Акт о внедрении Научно-технического проекта Шегса^о ирезультатов диссертационной работы аспиранта кафедры ИТАС Тесленко О.Ю.

45. Внедрение научн^Гехнического проекта позволило оптимально сократить сроки доставки грузов, умейЕпить потери при транспортировке и увеличить рентабельность компании на 20%.

46. Программные продукты комплекса реализованы на основе СУБД Access для Windows 95 и с применнеием языков программирования Visual Basic и Visual С -и-.1. Начальник

47. Информационно-технического отдела